Kualitas air bersih merupakan isu krusial di tengah meningkatnya kebutuhan global dan keterbatasan akses terhadap sumber air yang aman. Penelitian ini bertujuan untuk merancang sistem prediktif berbasis univariate time-series guna meramalkan kualitas air berdasarkan parameter pH, suhu, dan salinitas. Data dikumpulkan melalui simulasi sensor IoT dan Agen AI berfungsi sebagai pengganti peralatan sensor fisik dengan interval 10 menit, kemudian diproses melalui cleaning, imputasi, augmentasi dan analisis musiman, data dianalisis menggunakan tiga model: Holt-Winters, Prophet, dan Optimized Theta Model (OTM), dan dievaluasi menggunakan MAE, RMSE, R², dan MAPE. Hasil evaluasi menunjukkan bahwa model Holt-Winters memberikan performa terbaik secara keseluruhan dengan MAPE < 6.5% untuk semua parameter. Sementara itu, Prophet menunjukkan performa yang buruk dan tidak stabil pada data yang digunakan, dan OTM memberikan hasil menengah. Aplikasi ini juga menampilkan visualisasi prediksi berbasis peta dan grafik secara real-time, memudahkan interpretasi hasil oleh pengguna. Sistem ini diharapkan dapat mendukung pengambilan keputusan yang cepat dan berbasis data dalam pengelolaan sumber daya air bersih.